Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
Universidade de Brasília – UnB
Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas
Departamento de Administração
MATHEUS MENEZES SANTANA
DEFINIÇÃO DE RATINGS PARA EMPRESAS DO SETOR DE
CONSTRUÇÃO CIVIL BRASILEIRO:
Uma aplicação de análise discriminante para análise de
risco financeiro
Brasília – DF
2016
MATHEUS MENEZES SANTANA
DEFINIÇÃO DE RATINGS PARA EMPRESAS DO SETOR DE
CONSTRUÇÃO CIVIL BRASILEIRO:
Uma aplicação de análise discriminante para análise de
risco financeiro
Trabalho de Conclusão de Curso apresentado ao Departamento de Administração como requisito parcial à obtenção do título de Bacharel em Administração. Professor Orientador: Doutor Cecílio Elias Daher
Brasília - DF
2016
ii
MATHEUS MENEZES SANTANA
DEFINIÇÃO DE RATINGS PARA EMPRESAS DO SETOR DE
CONSTRUÇÃO CIVIL BRASILEIRO:
Uma aplicação de análise discriminante para análise de
risco financeiro
A Comissão Examinadora, abaixo identificada, aprova o Trabalho de
Conclusão do Curso de Administração da Universidade de Brasília do
aluno
Matheus Menezes Santana
Doutor, Cecílio Elias Daher
Professor-Orientador
Doutor, José Marilson Dantas, Doutor, Carlos Rosano Peña,
Professor Examinador Professor-Examinador
Brasília, 02 de dezembro de 2016.
RESUMO
Visando avaliar a capacidade da análise discriminante ser aplicada como ferramenta para definição de ratings, aplicamos o modelo Z” de Altman (2000) às empresas do setor de construção civil brasileiro, que atuam como construtoras, no anos de 2012 e 2015. A escolha do setor derivou da forte crise vivida pelo mesmo, desta forma buscamos avaliar se a aplicação do modelo Z” de Altman, seria capaz de diagnosticar o risco do setor. Adicionalmente, aplicamos o modelo CAPM - Capital Asset Pricing Model, nas premissas definidas por Assaf Neto, Lima e Araújo (2008) às empresas selecionadas, utilizando como referências os dados financeiros das mesmas, no período de 2012 e 2015, para avaliar a congruência dos retornos exigidos calculados através do modelo CAPM, com os ratings atribuídos através do modelo Z”. Foi possível ratificar a capacidade do modelo Z” para realizar diagnósticos de riscos e atribuições corretas de ratings às empresas brasileiras. Os ratings obtidos pelo modelo Z”, tanto em 2012 quanto em 2015, demonstram de maneira quantitativa o alto risco do setor, que obteve rating médio CCC, indicando proximidade de inadimplência, risco este que já é de conhecimento dos analistas de investimentos derivados da crise econômica que vem atingindo o país. Este fato é exposto ao se verificar que dentre os dezesseis ratings atribuídos, para dois períodos diferentes, nenhum apresentou qualidade alta. A aplicação realizada do modelo também demonstrou que o mesmo é capaz de detectar e refletir mudanças ocorridas no mercado, ao comparar os ratings atribuídos no início da crise, com ratings das mesmas empresas, no decorrer desta crise. Aonde apenas 37,5% das empresas analisadas obtiveram melhora no seu rating, quando as demais obtiveram piora de rating, ou manutenção de ratings de qualidade baixa ou média-baixa. Foi ainda possível verificar através de análise de informações qualitativas não financeiras e análises individuais dos componentes do modelo Z”, que as melhoras de rating ocorridas, mesmo no decorrer da crise, possuíam, de fato, base em resultados e mudanças da estrutura de capital das empresas em questão. Também verificamos uma limitação da utilização do modelo, como ferramenta isolada, para tomada de decisão quanto ao investimento ou não em empresas. Ao relacionar os ratings atribuídos através do modelo Z” com os retornos de mercado, calculados através do modelo Capital Asset Pricing Model, exigidos para as empresas selecionadas em amostra, verificamos que não existe relação direta entre os mesmos. Os resultados demonstraram a limitação da análise discriminante, através do modelo Z”, que se restringe a utilização de indicadores contábeis, quando o mercado utiliza além dos indicadores financeiros contábeis, diversos fatores qualitativos e outros indicadores financeiros que são externos à empresa analisada, também foi possível verificar para as empresas que foram objeto do estudo, uma preponderância de influência dos resultados no valor acionário das empresas, enquanto o modelo Z”, como ferramenta de análise de risco analisa a estrutura de capital da empresa, e não somente seu histórico de lucros.
Palavras-chave: Análise discriminante. Definição de ratings. Construção civil.
LISTA DE GRÁFICOS
Gráfico 1 – Desempenho GFSA3 (jun. 2010 – jun. 2016).................................. 31
Gráfico 2 – Desempenho CYRE3 (jun. 2010 – jun. 2016).................................. 31
Gráfico 3 – Desempenho MRVE3 (jun. 2010 – jun. 2016).................................. 32
Gráfico 4 – Desempenho EVEN3 (jun. 2010 – jun. 2016).................................. 32
Gráfico 5 – Desempenho DIRR3 (jun. 2010 – jun. 2016)................................... 33
Gráfico 6 – Desempenho AZEV4 (jun. 2010 – jun. 2016)................................... 33
Gráfico 7 – Desempenho MEND5 (jun. 2010 – jun. 2016)................................. 34
Gráfico 8 – Desempenho TCNO3 (jun. 2010 – jun. 2016).................................. 34
LISTA DE TABELAS
Tabela 1 – Relação de Z-score por rating.......................................................... 22
Tabela 2 – Indicadores financeiros.................................................................... 36
Tabela 3 – Beta por empresa e período............................................................. 36
Tabela 4 – Retorno exigido de mercado............................................................ 38
Tabela 5 – Resultado da variável X1 – Ativo circulante – passivo circulante/ativo total..........................................................................
39
Tabela 6 – Resultado da variável X2 – Lucros acumulados/ativo total.............. 40
Tabela 7 – Resultado da variável X3 – Lucros antes de juros e imposto de renda/ativo total................................................................................
41
Tabela 8 – Resultado da variável X4 – Patrimônio líquido/exigível total............ 41
Tabela 9 – Z-score e rating atribuído – ano 2012.............................................. 42
Tabela 10 – Z-score e rating atribuído – ano 2015.............................................. 43
LISTA DE QUADROS
Quadro 1 – Escala de rating das agências globais............................................. 19
Quadro 2 – Empresas selecionadas em amostra................................................
30
Quadro 3 – Variação dos ratings atribuídos – período 2012-2015..................... 44
Quadro 4 – Relação dos ratings atribuídos com os retornos de mercado exigidos – ano 2012.........................................................................
44
Quadro 5 – Relação dos ratings atribuídos com os retornos de mercado exigidos – ano 2015.........................................................................
45
LISTA DE ABREVIATURAS E SIGLAS
BM&FBOVESPA - Bolsa de Valores de São Paulo
CAPM - Capital Asset Pricing Model
CVM - Comissão de Valores Mobiliários
EUA - Estados Unidos da América
FACE - Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas
LAJIR - Lucro Antes de Juros e Imposto de Renda
PIB - Produto Interno Bruto
UnB - Universidade de Brasília
SUMÁRIO
1 INTRODUÇÃO ..................................................................................................... 9
1.1 CONTEXTUALIZAÇÃO ....................................................................................... 10
1.2 FORMULAÇÃO DO PROBLEMA ........................................................................... 11
1.3 OBJETIVO GERAL ............................................................................................ 11
1.4 OBJETIVOS ESPECÍFICOS ................................................................................. 11
1.5 JUSTIFICATIVA ................................................................................................ 12
1.5.1 Justificativa teórica ................................................................................ 12
1.5.2 Justificativa prática ................................................................................ 13
2 REFERENCIAL TEÓRICO ................................................................................. 14
2.1 ANÁLISE DISCRIMINANTE .................................................................................. 14
2.2 O MODELO Z E OS RATINGS DE CRÉDITO ........................................................... 19
2.3 O MODELO Z COMO FERRAMENTA PARA ATRIBUIÇÃO DE RATINGS NO BRASIL ....... 23
2.4 O CONTEXTO DA CONSTRUÇÃO CIVIL NO BRASIL E A DIFICULDADE PARA ANÁLISES
NO MERCADO ............................................................................................................... 24
2.5 O MODELO CAPITAL ASSET PRICING MODEL ..................................................... 26
3 MÉTODOS E TÉCNICAS DE PESQUISA ......................................................... 30
3.1 TIPO E DESCRIÇÃO GERAL DA PESQUISA ........................................................... 30
3.2 POPULAÇÃO E AMOSTRA .................................................................................. 31
3.3 PROCEDIMENTOS DE COLETA E DE ANÁLISE DE DADOS ....................................... 36
4 RESULTADOS E DISCUSSÕES ....................................................................... 40
4.1 RESULTADOS OBTIDOS .................................................................................... 40
4.2 O MODELO Z PARA DEFINIÇÃO DE RATINGS DE CRÉDITO ..................................... 47
4.3 O MODELO Z COMO INSTRUMENTO PARA ANÁLISE DE INVESTIMENTOS NO MERCADO
BRASILEIRO ................................................................................................................. 51
5 CONCLUSÕES E RECOMENDAÇÕES ............................................................ 53
REFERÊNCIAS ......................................................................................................... 55
9
1 INTRODUÇÃO
Conforme descrito por Teixeira e Carvalho (2005), a escassez de recursos
financeiros disponíveis na economia brasileira, faz com seja necessário a realização
de investimentos eficientes, em setores estratégicos, como o da construção civil, que
tem ligação direta com o desenvolvimento da infraestrutura do país, e que impacta
diretamente toda a indústria nacional, alimentando uma extensa cadeia de
fornecedores e prestadores de serviço.
“As decisões de investimento são atraentes quando a taxa de retorno
exigida pelos proprietários de capital exceder o retorno esperado da alternativa de
investimento.” (ASSAF NETO; LIMA, 2009, p. 6), ou seja, o investimento eficiente é
aquele que consegue maior rentabilidade dentre as opções que possui o investidor.
Portanto, para o investidor comum, o investimento eficiente no mercado de
construção civil seria aquele realizado na empresa que lhe apresentou retorno mais
alto.
Entretanto, os investimentos são pautados pela lógica risco-retorno, e
cabe ao investidor analisar se ele está disposto a assumir o risco apresentado para
determinada empresa. O investidor busca atingir o máximo retorno, evitando o pior
cenário possível, aonde ocorre a materialização do risco de crédito, definido por
Chaia (2003) como a “perda financeira inesperada que deriva de falha na avaliação
de capacidade de pagamento do agente que contrai recursos.”
Para o mercado da construção civil brasileiro, esta análise não tem sido
simples para os investidores. O setor foi um dos mais afetados pela crise econômica
vivida pelo país e teve suas maiores empresas abaladas por investigações policiais
ligadas à corrupção. No primeiro trimestre de 2015, houve queda de 98% do lucro de
empresas do setor, conforme apurado por Amorim (2015).
Dentre as variadas técnicas para análise de risco das empresas, está a
análise discriminante, definida por Mantovanini (1990, p. 00), como “um conjunto de
[Grab your reader’s attention with
a great quote from the document
or use this space to emphasize a
key point. To place this text box
anywhere on the page, just drag
it.]
10
técnicas estatísticas que busca classificar diferentes elementos em grupos
agregados, previamente definidos”.
Ou seja, a análise discriminante, quando utilizada para análise financeira
de companhias, busca identificar a correlação de variáveis aleatórias e, a partir
destas correlações, classificar empresas em grupos segundo sua capacidade de
pagamento, para que, com base nos resultados da análise, o investidor possa
decidir pela aplicação, ou não, de recursos em determinada empresa.
Entretanto, financistas apresentam limitações referentes à análise
discriminante que poderiam comprometer sua eficácia como ferramenta de análise
financeira. Limitações estas descritas por Assaf Neto e Silva (2012), como o fato de
se basear em informações passadas, a generalização de resultados e a
possibilidade de agir como fator restritivo excludente para geração de lucro para
pessoas físicas e jurídicas, gerando, desta maneira, dúvida relativa à eficácia de sua
utilização como método para análise financeira de empresas e ferramenta para
tomada de decisão em investir em determinada empresa.
1.1 Contextualização
A economia brasileira vem atravessando uma profunda crise, que deve
resultar na pior recessão de sua história ao final do ano de 2016, conforme
apresentado por Patu e Cucolo (2016), tornando a disponibilidade de recursos
financeiros relevantemente escassa.
No centro da crise está o setor de construção civil brasileiro, severamente
afetado pela crise, e com resultados agravados pelo envolvimento das maiores
construtoras do país em casos de corrupção. Tornou-se, por tanto, questão
desafiadora aos investidores avaliar os riscos associados a empresas do setor que é
estratégico para o país.
11
1.2 Formulação do problema
Dado o contexto apresentado, a pergunta que se buscou responder é:
Seria a análise discriminante uma ferramenta capaz de fornecer dados confiáveis
para análise econômico financeira das empresas do setor de construção civil,
conseguindo estabelecer um parâmetro de risco vinculado a cada uma delas?
A análise discriminante, difundida como ferramenta de análise financeira
por Altman (1968), através de seu modelo Z, tomou notoriedade pelo alto índice de
eficácia quando aplicada com o objetivo de previsão de falência, ou continuidade de
empresas, mas ainda possui poucas aplicações para outras análises financeiras. O
problema deste estudo consiste na validação do uso de análise discriminante, como
ferramenta para estabelecimento de ratings de risco, utilizando como base empresas
do setor de construção civil, no Brasil, com ações negociadas na Bolsa de Valores
de São Paulo (BM&FBOVESPA).
1.3 Objetivo geral
O propósito deste estudo é analisar a capacidade do modelo Z de Altman
de analisar o risco de empresas do ramo de construção civil, no Brasil, testando a
aplicação do modelo com indicadores de diferentes períodos de tempo e verificando
se o retorno de mercado exigido para as empresas foi condizente com os
indicadores apresentados, de modo a validar a aplicação do modelo para análise de
riscos financeiros.
1.4 Objetivos específicos
Para o alcance do objetivo geral, será necessário o alcance dos seguintes
objetivos específicos:
12
1) Coletar e organizar os balanços financeiros e histórico de cotações de
empresas de construção civil com ações na BM&FBOVESPA;
2) Aplicar o modelo Z-score às empresas selecionadas;
3) Atribuir rating, com base nos Z-scores calculados, a cada uma das empresas;
4) Identificar a relação existente entre os ratings atribuídos e os retornos
exigidos para as empresas, utilizando a metodologia Capital Asset Pricing
Model (CAPM); e
5) Analisar se a utilização do modelo Z para atribuição de risco às empresas é
condizente com as condições de mercado.
1.5 Justificativa
1.5.1 Justificativa teórica
É possível encontrar na literatura variados modelos para análise de risco
de empresas. Conforme apresentado por Duarte e Lamounier (2007), as análises
das demonstrações financeiras das empresas são realizadas mediante a
apresentação de índices e é justamente na definição da técnica para o
estabelecimento destes índices que paira um dos maiores desafios da administração
financeira.
As técnicas estatísticas consistem na coleta de dados brutos que por si só
não dão as informações interpretativas necessárias e, portanto, passam por
processamento modelado que fornece as informações em formato aplicável às
análises cabíveis. A análise discriminante, conforme relatado por Assaf Neto e Silva
(2012), permite de maneira classificatória excludente segregar agentes financeiros
com menor risco financeiro de agentes com níveis de riscos mais altos.
Entretanto, como apresentado em Assaf Neto e Silva (2012), o risco
operacional, de alta relevância para análises econômico-financeiras, está associado
diretamente a aspectos qualitativos da atividade fim da empresa e seus processos
13
produtivos. Desta maneira, ainda há na literatura restrições quanto à aplicação da
análise discriminante, como, por exemplo, seu aspecto estatístico determinista,
retratado por Assaf Neto e Lima (2009) como o fato de se ter que qualificar um
determinado agente dentro do grupo “A” ou “B”, segundo uma faixa de valor ampla,
ou seja, itens com pontuação de 4 e 4.9 podem ser classificados no mesmo grupo,
enquanto um terceiro analisado que obteve pontuação de 3.9, apenas 0.1 inferior à
4, está classificado em um grupo diferente. Isto ocorre devido as “faixas
deterministas” utilizadas pela análise discriminante.
Este estudo aplica a análise discriminante, como método para
estabelecimento de ratings, em empresas de construção civil, visando avaliar
através da sequência histórica, comparada ao retorno exigido pelos investidores, se
o modelo discriminante aplicado foi de fato efetivo, para análise do risco financeiro
das respectivas empresas.
1.5.2 Justificativa prática
O mercado da construção civil no Brasil foi abalado por forte crise
econômica nos últimos anos, aumentando o risco relacionado a empresas do setor e
dificultando de maneira relevante a análise financeira das mesmas. Setor este, que,
conforme descrito por Teixeira e Carvalho (2005), é estrategicamente importante
para o país e cuja demanda por investimentos é contínua.
Portanto, do ponto de vista prático, este estudo visa auxiliar fornecedores
de crédito, investidores e fornecedores da construção civil brasileira, quanto à
possibilidade de uso da análise discriminante como forma de avaliar o risco
associado às empresas que atuam no setor.
14
2 REFERENCIAL TEÓRICO
O propósito deste referencial teórico é ser uma revisão de conceitos
importantes que delimitam e auxiliam na explanação do objetivo do projeto e
também exerce a função de apresentar aspectos e conclusões derivados de outras
pesquisas relacionadas ao tema.
Nesta seção, primeiro serão abordados os primeiros modelos de análise
discriminante como ferramenta para análise de risco financeiro da empresa, no
segundo tópico serão tratadas alterações e adaptações do modelo Z, desenvolvido
por Altman, primeiramente apresentado, em 1968, e as aplicações dadas a ele no
decorrer do tempo. Ainda neste segundo tópico serão expostos os conceitos
relacionados às definições e aplicações de ratings de riscos atribuídos aos agentes
financeiros.
Na terceira subseção será descrita a aplicação do modelo Z” de Altman
(2000) como ferramenta para atribuição de ratings no mercado brasileiro, e
apresentando o estudo de Ferreira et al. (2013) utilizado como base para esta
pesquisa. A quarta subseção expõe fatores que contextualizam o cenário econômico
para as empresas da construção civil brasileira, demonstrando os aspectos
econômico-financeiros que compõem o cenário atuante destas empresas.
Por último, é feita apresentação do modelo Capital Asset Pricing Model
(CAPM), e suas adaptações para o mercado brasileiro, o modelo é utilizado nesta
pesquisa para análise dos retornos exigidos para as empresas selecionadas em
amostra, e análise da relação dos mesmos com os ratings atribuídos pelo modelo Z”
de Altman (2000).
2.1 Análise discriminante
A análise discriminante foi difundida por Altman (1968), através de seu
artigo publicado no The Journal of Finance, como método eficaz para classificação
15
destes agentes em diferentes grupos. Na técnica apresentada por Altman para a
classificação de fatores, a variável dependente é qualitativa, como, por exemplo, a
nacionalidade de uma pessoa.
Conforme descrito por Sanvicente e Minardi (1998), o objetivo da análise
discriminante é identificar uma combinação linear de aspectos individuais de cada
elemento que os associam a um dos grupos pré-definidos. Portanto, posteriormente
à definição destes grupos, devem ser coletados dados individuais dos elementos a
serem classificados. Desta maneira, a análise discriminante possibilita que sejam
consideradas todas as características em comum de cada elemento, para
construção de um padrão analítico dos mesmos.
A definição dos grupos distintos em que os agentes serão classificados
consiste no primeiro passo do modelo, no caso do objeto de estudo de Altman, se
tratavam de empresas que entrariam em concordata, ou não, no período de dois
anos, para tal ele se utilizou de informações contábeis de períodos anteriores para
empresas que entraram e não entraram em concordata nos anos subsequentes.
O modelo Z de Altman (1968), que obteve 95% de eficácia para análises
com dados de um ano anterior a entrada em concordata e eficácia de 72% quando
utilizados dados de dois anos anteriores a entrada das empresas em concordata,
considerava os seguintes componentes para análise das empresas, conforme a
equação (1), a seguir.
Z = 1.2X1 + 1.4X2 + 3.3X3 + .6X4 + 0.999X5 (1)
Onde:
X1 – Capital de giro/ativo total;
X2 – Lucros retidos/ativo total;
X3 – Lucros antes de juros e imposto de renda/ativo total;
X4 – Valor de mercado da empresa/valor contábil do exigível total; e
16
X5 – Vendas/ativo total.
Os resultados foram, então, classificados da seguinte maneira:
Z > 2.99 – Zona de baixo risco;
1.8 < Z < 2.99 – Zona de risco mediano; e
Z < 1.80 – Zona de alto risco.
O estudo de Altman (1968) levou a que outros autores buscassem
explorar a análise discriminante como ferramenta para análise do risco de falência
das empresas. Neste sentido, Elizabetsky (1976) desenvolveu modelo para análise
de crédito de bancos, utilizando como tomadores em análise pessoas jurídicas com
histórico de boas e más pagadoras. O modelo aplicado por Elizabetsky se dá na
seguinte equação (2):
Z = 1,93 ML – 0,20 X33 + 1,02 X35 + 1,33 X36 – 1,12 X37 (2)
Onde:
ML – Lucro líquido/vendas;
X33 – Disponível/ativo permanente;
X35 – Contas a receber/ativo total;
X36 – Estoque/ativo total; e
X37 – Passivo circulante/ativo total.
O modelo utilizado por Elizabetsky (1976) atribuía diagnóstico default à
empresas que obtivessem resultados inferiores a 0,5, sem que houvesse faixa de
17
risco mediano. O modelo buscava considerar de maneira mais relevante fatores que
indicassem a possibilidade das empresas gerarem lucro no futuro, considerando o
valor de contas a receber e o estoque da entidade. Enquanto o modelo de Altman
(1968) era totalmente focado em dados presentes que indicassem liquidez,
rentabilidade e endividamento da empresa, não levando em análise indicadores
contábeis de possíveis geradores de caixa futuros para a empresa.
Entretanto, há de ressaltar que ambos os modelos sofrem uma limitação
básica, descrita por Elizabetsky (1976), que consiste no fato de que as
demonstrações financeiras das empresas, de maneira geral, são divulgadas meses
após o final do exercício, fazendo com que haja um hiato de tempo nas análises de
risco realizadas através de análise discriminante.
Kanitz (1978) desenvolveu modelo para análise de insolvência para o
mercado brasileiro. O estudo utilizou como base trinta empresas, quinze que haviam
e entrado em falência e quinze que não haviam entrado, realizando estudo com
informações contábeis anteriores, assim como realizado por Altman (1968), o
modelo desenvolvido por Kanitz se dá na seguinte equação (3):
FI = 0,05RPL + 1,65LG + 3,55LS – 1,06LC – 0,33PCT (3)
Onde:
RPL – Lucro líquido/patrimônio líquido;
LG – (ativo circulante + realizável a longo prazo)/exigível total;
LS – (ativo circulante – estoques)/passivo circulante;
LC – Ativo circulante/passivo circulante; e
PCT – Exigível total/patrimônio líquido.
Os resultados foram, então, classificados da seguinte maneira:
18
FI entre 0 e 7 – a empresa sem problemas financeiros – solvente;
FI entre 0 e -3 – a empresa com situação financeira indefinida; e
FI entre -3 a -7 – a empresa enfrentando problemas financeiros (insolvente).
Dos modelos pioneiros da análise discriminante, o que conseguiu maior
avanço foi modelo Z de Altman (1968), passando por diversas modificações e
evoluções no decorrer dos anos. Altman, Baidya e Dias (1979) aplicaram o modelo
ao mercado brasileiro, novamente analisando a eficácia do modelo no prognóstico
de falência das empresas. Para adaptar o modelo ao mercado brasileiro os
pesquisadores alteraram a variável X4, substituindo o valor de mercado da empresa,
pelo valor contábil do patrimônio líquido. Esta alteração foi realizada em função da
baixa quantidade de empresas brasileiras de capital aberto, impossibilitando uma
mensuração mais realística do seu valor de mercado. A quantidade de empresas
com capital aberto ainda é reduzida, mesmo na atual maturidade do mercado de
capitais brasileiro.
No estudo realizado, Altman, Baidya e Dias (1979) desenvolveram dois
indicadores Z’s. O primeiro não considerou variável X1, por não contribuir como fator
explicativo para o problema testado pelo modelo, fato este, explicado pelos autores,
como derivado da circunstância de que muitas empresas da amostra pesquisada
não precisaram do volume usual de recursos financeiros para apoiar seu
crescimento, por este ter ocorrido de maneira muito rápida, fazendo do capital de
giro um valor irrisório para análise destas empresas.
O segundo indicador Z desconsiderou a variável X2, em função da
dificuldade de se identificar os lucros retidos, com base apenas na análise de
balanços recentes. Os dois indicadores Z’s apresentaram resultados muito
semelhantes, com uma precisão ligeiramente superior obtida pelo primeiro indicador
Z utilizado no mesmo estudo. Este modelo apresentou precisão de 84,2%.
Contrariamente ao apresentado por Altman, Baidya e Dias (1979),
Sanvicente e Minardi (1998) demonstraram eficácia na aplicação do modelo, através
19
de pesquisa empírica, considerando a variável X1, que representa a liquidez das
empresas avaliadas.
2.2 O modelo Z e os ratings de crédito
Como definido por Ferreira et al. (2013), um rating atribuído deve levar em
consideração informações de caráter qualitativo e quantitativo, deve ser atualizado
periodicamente, evitando a defasagem das informações e deve refletir de maneira
concisa a capacidade financeira de um agente atuante no mercado.
A análise discriminante foi difundida mundialmente por Altman (1968)
como método eficaz para classificação destes agentes em diferentes grupos. Na
técnica apresentada por Altman para a classificação de fatores, a variável
dependente é qualitativa, como, por exemplo, o time de futebol de uma pessoa. A
definição dos grupos distintos em que os agentes serão classificados consiste no
primeiro passo do modelo. Pode-se utilizar como exemplo os ratings definidos por
agências de riscos, que agrupam agentes captadores do mercado em diferentes
segmentos, a partir do risco de não pagamento por partes destes tomadores, ou
seja, separando-os em diferentes níveis de ‘saúde financeira’, conforme exposto no
Quadro 1, a seguir.
Quadro 1 – Escala de rating das agências globais.
Moody's Ficth Ratings Standard & Poor's Significado
Aaa AAA AAA Mais alta qualidade
Aa AA AA Alta qualidade
A A A Qualidade média alta
Baa BBB BBB Qualidade média
Ba BB BB Predominante especulativo
B B B Especulativo
Caa CCC CCC Inadimplência próxima
C C C Baixíssima qualidade
DDD DDD Inadimplente/em atraso
20
DD DD Inadimplente/em atraso
D D Inadimplente/em atraso
Fonte: Elaborado pelo autor.
Apesar de a Moody’s utilizar métricas diferentes para demonstração de
rating, quando comparada as outra duas grandes agências avaliadoras, é possível
relacionar os mesmos, conforme demonstrado no Quadro 1, e atribuir o nível de
qualidade para cada rating atribuído. As métricas utilizadas pelas principais agências
de classificadoras de rating do mundo são proporcionais às utilizadas por Altman
(2000), que utiliza análise discriminante como método para atribuição de ratings de
crédito.
No modelo testado por Altman (1968) foram utilizados indicadores
contábeis para dividir empresas com alta possibilidade de falência (empresas que
entrariam em concordata) e empresas com alta possibilidade de continuidade, no
decorrer dos próximos dois anos. Para tal, ele aplicou a seguinte equação (4), que
contém como variáveis independentes indicadores contábeis:
Z = 1.2X1 + 1.4X2 + 3.3X3 + .6X4 + 0.999X5 (4)
Onde:
X1 – capital de giro/ativo total;
X2 – lucros retidos/ativo total;
X3 – lucros antes de juros e imposto de renda/ativo total;
X4 – valor de mercado da empresa/valor contábil do exigível total; e
X5 – vendas/ativo total.
Os resultados foram, então, classificados da seguinte maneira:
21
Z > 2.99 – Zona de baixo risco;
1.8 < Z < 2.99 – Zona de risco mediano; e
Z < 1.80 – Zona de alto risco.
Foram selecionadas 66 empresas americanas, no período de 1946 a
1965, sendo que a metade delas entrou em concordata neste período e a outra
metade não. Utilizando as informações destas empresas, de períodos anteriores,
Altman aplicou o modelo e atingiu 95% de eficácia no diagnóstico com os dados do
ano imediatamente anterior à entrada das empresas em concordata, e eficácia de
72% com os dados dos dois anos anteriores a entrada das empresas em
concordata.
Altman, Baidya e Dias (1979) realizaram aplicação do modelo ao mercado
brasileiro, para tal os mesmos alteraram a variável X4, substituindo o valor de
mercado da empresa, pelo valor contábil do patrimônio líquido. Alteração esta
realizada em função da baixa quantidade de empresas brasileiras de capital aberto,
impossibilitando uma mensuração mais realística do seu valor de mercado.
O modelo aplicado com maior eficácia por Altman, Baidya e Dias (1979)
também não considerava a variável X1, por, segundo análise dos pesquisadores, a
mesma não contribuir como fator explicativo para o problema testado pelo modelo,
entretanto, estudos posteriores como o de Sanvicente e Minardi (1998)
demonstraram que o modelo também é eficaz, através de pesquisa empírica,
quando considerada a variável X1, que representa a liquidez das empresas
avaliadas.
Altman (2000) realizou outro estudo que relacionou o modelo Z com o
modelo de ratings de risco de crédito utilizado por agências avaliadoras de riscos
22
nos Estados Unidos da América (EUA), conforme demonstrado na Tabela 11, a
seguir.
Tabela 1 – Relação de Z-score por rating.
Rating Z-Score Equivalente
AAA 8.15
AA+ 7.60
AA 7.30
AA- 7.00
A+ 6.85
A 6.65
A- 6.40
BBB+ 6.25
BBB 5.85
BBB- 5.65
BB+ 5.25
BB 4.95
BB- 4.75
B+ 4.50
B 4.15
B- 3.75
CCC+ 3.20
CCC 2.50
CCC- 1.75
D 0
Fonte: Altman (2000, p. 28).
Como analisado por Ferreira et al. (2013) ao conseguir correlacionar o
score do modelo Z com os ratings de risco de crédito, Altman revolucionou as
técnicas de análise, fornecendo fundamento específico a cada score, podendo
traduzir de maneira quantitativa explícita o risco financeiro da empresa com base em
seu rating.
1 Altman adicionou um termo constante de 3,25 à equação do modelo Z, para melhor padronizar as
pontuações com uma pontuação de zero que equivale ao rating D.
23
2.3 O modelo Z como ferramenta para atribuição de ratings no Brasil
Ferreira et al. (2013), em trabalho utilizado como inspiração para esta
pesquisa, fizeram uso do modelo Z de Altman (2000) para avaliar, no período de
2005 a 2010, a classificação de ratings, através do modelo Z, das empresas aéreas
brasileiras e verificando se as empresas que tinham melhores ratings nos anos
anteriores à grande crise mundial de 2008, foram as que resistiram melhor à crise.
E ainda, Ferreira et al. (2013) selecionaram o setor aeroviário brasileiro
que atravessou período de crise a partir do ano de 2008, apresentando em 2008
prejuízo líquido de R$ 1,5 bilhão, crise esta derivada da grande crise econômica
mundial que levou ao aumento do preço do petróleo, e falência de grandes
seguradoras e bancos mundiais, fazendo com que os custos de combustível, seguro
e arrendamento das operações de empresas aéreas fosse fortemente elevado.
Desta forma, Ferreira et al. (2013) utilizaram o modelo Z, nas premissas
definidas por Altman (2000), para classificação das empresas do setor aeroviário
brasileiro no decorrer dos anos de 2005 a 2010, realizando cálculo do Z-score das
empresas selecionadas para cada um dos anos do período de amostragem, e
atribuindo os respectivos ratings de crédito, seguindo a métrica de apresentação da
agência Standard & Poor’s.
Com base nos ratings calculados, Ferreira et al. (2013), conseguiram
demonstrar a piora sistemática dos ratings das empresas do setor aeroviário
brasileiro, que em 2010 atingiram rating médio CCC+, demonstrando vulnerabilidade
econômica, sendo que em 2005, antes da crise, mais de um terço das empresas
analisadas possuíam rating superior a CCC+.
Adicionalmente, Ferreira et al. (2013) também constataram que as
empresas com melhores ratings no período anterior à crise, TAM e GOL, foram as
que melhor atravessaram o período de instabilidade do mercado, mantendo os
ratings melhores que a média do mercado no decorrer da crise, e sendo as primeiras
empresas a retomarem o patamar de lucro do período anterior a crise, obtendo
24
resultados positivos semelhantes aos dos períodos anteriores à 2008 já em 2009,
um ano após o início da crise.
Com base na piora dos ratings médios atribuídos, condizentes com a
crise vivida pelo setor, e o melhor desempenho durante a crise, de empresas que
possuíam os melhores ratings antes dela, Ferreira et al. (2013) foram capazes de
fornecer análise de risco confiável, através da atribuição de ratings, definidos pelo
modelo Z, às empresas do setor aéreo brasileiro.
De maneira semelhante, Sanvicente e Minardi (1998), testaram a eficácia
do modelo Z na previsão de processo de concordata, utilizando como amostra
empresas de capital aberto brasileiro, com informações de 1988 a 1998, Sanvicente
e Minardi (1998) utilizaram em seu estudo, a variável indicadora de liquidez, X1,
contrariando o apresentado por Altman, Baidya e Dias (1979) que não a utilizaram
em sua adaptação da aplicação do modelo Z, ao mercado brasileiro.
O modelo de Sanvicente e Minardi (1998), também incluiu uma nova
variável, chamada no estudo de X8, que representava o lucro operacional antes de
juros e impostos dividido pelas despesas financeiras. Este modelo obteve eficácia de
81,8% para classificações feitas com informações de um ano antes ao processo de
concordata das respectivas empresas, enquanto o modelo de Altman, Baidya e Dias
(1979) obteve precisão de 84,2% para análises com informações de dois anos
antecedentes. Entretanto, ao não considerarem a variável X1, Sanvicente e Minardi
obtiveram eficácia de 80,2%, demonstrando que, ao menos, em períodos mais
contemporâneos a liquidez é sim um fator relevante a ser considerado no modelo Z,
além de demonstrar a eficácia do mesmo para análise de risco associados a
empresas, do mercado de capitais brasileiro.
2.4 O contexto da construção civil no Brasil e a dificuldade para análises no mercado
Conforme descrito por Teixeira e Carvalho (2005), o setor de construção
civil é de importância estratégica para a economia de qualquer país, tendo em vista
25
que o seu desenvolvimento acarreta em um amplo efeito positivo de encadeamento
para os demais setores da economia nacional.
Duarte e Lamounier (2007), em estudo realizado em 2007, mostraram que
o macro setor da construção civil representava, até então, 18,4% do Produto Interno
Bruto (PIB) nacional, gerando cerca de 12 milhões de empregos, em todo o país.
Este macro setor é composto por 73,45% de construtoras, 20,4% de indústrias que
fornecem insumos para as construções e 6,21% de serviços que suportam toda a
cadeia produtiva.
É necessário ressaltar que o ponto crítico para fins de crescimento do
setor, está vinculado à expansão e crescimento financeiro das construtoras, tendo
em vista que é a partir dos contratos realizados, que se geram as demandas por
atividades de fornecimento de matérias-primas e serviços relacionados à
construção. Portanto analisar a situação financeira do mercado passa,
primordialmente, pela análise financeira das construtoras.
Duarte e Lamounier (2007) também descrevem em seu estudo a forte
dependência que a construção civil tem dos aspectos econômico gerais, tendo em
vista que as obras de infraestrutura do país são em quase sua totalidade financiadas
pelo Estado, e os empreendimentos imobiliários têm seu sucesso diretamente
vinculado ao poder de compra das famílias e às taxas de juros do mercado.
A partir de 2014, o Brasil começou a atravessar uma de suas piores crises
econômicas. A taxa de juros Selic, que em janeiro de 2013 era de 7,11% ao ano,
chegou a 11,65% em 2014, e terminou 2015 em 14,15% (BCB, 2016). O aumento da
taxa de juros serve como reflexo da situação econômica do país, pois dele deriva o
alto endividamento das famílias, a queda do consumo, a baixa disponibilidade de
crédito e o desequilíbrio das contas públicas que fecharam 2014 com déficit primário
de R$ 32,536 bilhões, conforme divulgado pela reportagem informativa da Revista
Exame (2015), criando demanda emergencial de maior arrecadação, por parte do
governo.
26
O cenário econômico apresentado influenciou de maneira intensamente
negativa o desempenho das empresas de construção civil, não só pela conjuntura
geral econômica apresentada, mas também pelo envolvimento direto de executivos
de grandes construtoras do Brasil com os supostos crimes investigados na chamada
“Operação Lava-Jato”. Amorim (2015) retrata perda de R$ 12 bilhões no valor
agregado das empresas de construção civil na Bolsa de Valores de São Paulo
(BM&FBOVESPA), no período de julho de 2014 a junho de 2015. Mais do que isto,
dentre as 23 maiores construtoras do País, apenas três obtiveram crescimento, no
decorrer do mesmo período.
Esta queda brusca no valor de mercado e o cenário de instabilidade do
setor, fazem com que o risco das empresas que o integram aumente, de forma
espontânea, ampliando a complexidade e a quantidade fatores a serem
considerados pelos analistas de investimento do mercado.
2.5 O modelo Capital Asset Pricing Model
Como apresentado por Silva (2007), no mundo real, onde os mercados
não são perfeitos, o retorno sobre investimentos de recursos financeiros está
diretamente ligado ao seu risco. E é neste sentido que surge o modelo CAPM, como
ferramenta para estudo simultâneo dos impactos da rentabilidade e do risco sobre o
valor da ação.
O modelo, desenvolvido por Sharpe (1964), Lintner (1965) e Mossin
(1966) parte de uma série de premissas, conforme descrito por Alcântara (1980),
dentre as quais está o fato de que todos os investidores devem possuir expectativas
homogêneas quanto à relação risco-retorno. Desta maneira não existiram cenários
de ‘super’ ou ‘sub’ avaliação para nenhum ativo.
O CAPM decompõe o risco total de um ativo em duas partes: Risco
diversificável e não diversificável. Reis da Silva (2007) descreve o risco
diversificável, ou risco não sistemático, como risco que não depende do mercado, é
o risco associado exclusivamente ao comportamento daquela determinada ação. Já
27
o risco não diversificável, ou risco de mercado, deriva das flutuações e fatores que
interferem na economia, ou em determinado setor dela, como um todo. Um exemplo
de materialização deste risco é justamente a crise que vem atingido o mercado
brasileiro, já descrita acima. Feitas estas considerações, o modelo CAPM é
apresentado conforme a equação que se segue (5).
Ke = Rf + β*(Rm - Rf) (5)
Onde:
Ke – custo de capital próprio ou taxa requerida de retorno para o título;
Rf – taxa de retorno do ativo livre de risco2;
Rm – taxa de retorno da carteira de mercado;
(Rm – Rf) – prêmio por unidade de risco de mercado; e
β – coeficiente calculado através de regressão linear entre a taxa de retorno do
investimento e a taxa de retorno de uma carteira (que represente uma média do
mercado), em outras palavras, reflete o desempenho histórico de uma ação,
ponderada pelas circunstâncias de mercado.
Conforme descrito por Assaf Neto, Lima e Araújo (2008), uma dificuldade
de aplicação do modelo CAPM, para o mercado brasileiro, consiste no fato de que o
ativo considerado de menor risco no país, os Títulos do Tesouro Nacional, que
remuneram segundo a Selic, possuem, na realidade, prêmio para o risco embutido
em seus valores, o que faz com que muitas vezes, o retorno do ativo considerado
sem risco seja superior a média do mercado. Além disso, a flutuação da Selic,
derivada da instabilidade orçamentária brasileira, faz com que a mesma flutue muito
no decorrer dos anos.
Desta maneira, Assaf Neto, Lima e Araújo (2008) concluem que a taxa
livre de risco utilizada no cálculo do custo de oportunidade do capital próprio é
2 Pelo fato de no mundo real não haver ativo livre de risco, deve-se estabelecer o ativo de menor risco
no contexto de determinado mercado, Reis da Silva (2007), por exemplo, define os títulos do tesouro americano, com ativo livre de risco.
28
melhor aplicada se considerados os títulos públicos de melhor qualidade no mundo,
como, por exemplo, os títulos emitidos pelo tesouro americano, conhecidos como ‘T-
Bond’s’, mesmo que a empresa avaliada não se localize no país. Entretanto, é
ressaltado pelos autores que para os casos com grandes divergências entre o
prêmio de risco para o país da ação avaliada, e o país com risco menor deve se
adicionar a fórmula CAPM o risco país, representado por αBR, chegando à seguinte
equação (6):
K = RF + β(Rm – Rr) + αBR (6)
Outro fator crítico para aplicação do CAPM reside no critério utilizado para
definição do retorno médio de mercado. Neste sentido, Gonçalves Júnior et al.
(2011) utilizaram três perspectivas diferentes, para estimar o prêmio médio do
mercado brasileiro no período de 1996 à 2008.
Foi utilizada a abordagem retrospectiva ou histórica para os indicadores
de mercado IBrX e FGV-100, e a abordagem prospectiva, utilizando como referência
dez mil registros de dividendos do site da Bovespa, aplicando a seguinte equação
(7):
P0,i = D1,i
↔ ri = D1,i
+ gi ri – gi P0,I
(7)
Onde:
P0, i – Valor do ativo i na data zero;
D1,i – Dividendo a ser distribuído pelo ativo i no próximo período (data um);
ri – Retorno esperado para o ativo i; e
gi – Ganho de capital esperado para o ativo i;
29
Também foi utilizada uma abordagem por modelos de mercado, fazendo
uso de modelo derivado do CAPM a partir de uma perspectiva temporal, a Linha de
Segurança de Mercado e, após a análise, foi obtido o resultado de prêmio médio de
mercado variando entre 5,38% e 7,30%, resultados estes que culminaram com a
literatura prévia analisada por Gonçalves Júnior et al. (2011), indicando validade do
resultado obtido pelo estudo.
30
3 MÉTODOS E TÉCNICAS DE PESQUISA
O objetivo do presente estudo é avaliar a capacidade do modelo Z para
avaliação de risco de empresas, realizando um estudo teórico, com aplicação do
modelo Z” de Altman (2000) a empresas do setor de construção civil brasileiro. Essa
seção busca explicar as características da presente pesquisa e delimitar como sua
operacionalização será realizada de modo a alcançar o objetivo proposto.
3.1 Tipo e descrição geral da pesquisa
Partindo-se das três classificações de pesquisa, conforme seus objetivos
gerais, explicativa, descritiva e experimental, Gil (2002) apresenta a pesquisa
descritiva, entre outras coisas, como o estudo de relação entre variáveis, e que
possui como característica marcante a utilização de técnicas padronizadas para
obtenção de dados dos respectivos estudos.
Este estudo possui como objetivo avaliar a validade das notas de riscos,
atribuídas através do modelo de análise discriminante Z, composto por indicadores
contábeis, obtidos de empresas de capital aberto cotadas na Bolsa de Valores de
São Paulo (BM&FBOVESPA), avaliando a relação dos ratings atribuídos através de
análise discriminante, com os retornos exigidos pelo mercado, definidos através do
modelo Capital Asset Pricing Model (CAPM).
Para tal, foram elencadas empresas da construção civil com ações
cotadas na BM&FBOVESPA, integrantes do setor de construção civil, que atuam
como construtoras, selecionando empresas com diferentes desempenhos históricos,
no mercado de capitais e diferentes linhas especializadas de atuação, sendo cinco
delas construtoras com atuação em empreendimentos, e outras três com atuação
em projetos de construção pesada.
Aplicaram-se às empresas analisadas, com base em informações
financeiras anteriores, e também no decorrer da crise que atingiu o setor em 2014,
31
utilizando com base os anos de 2012 e 2015, modelo de análise discriminante para
estabelecimento de nota de crédito, e verificando-se a existência de relação
inversamente proporcional da ‘qualidade’ dos ratings de crédito, com os retornos
exigidos pelo mercado, calculados através do modelo CAPM, além de observar se
houve piora dos ratings de crédito decorrentes da crise atravessada pelo setor.
3.2 População e amostra
A população objeto deste estudo são empresas do setor de construção
civil, que atuam como construtoras e possuem ações negociadas na
BM&FBOVESPA. O Quadro 2, a seguir, apresenta as oito empresas selecionadas,
sendo cinco destas do segmento de empreendimentos, que corresponde à
construção de prédios, condomínios residenciais, comerciais, entre outros, e outras
três do subsetor de construção pesada, que corresponde à construção de rodovias,
ferrovias, barragens, entre outros.
Quadro 2 – Empresas selecionadas em amostra.
Razão Social Código da Ação
GAFISA S.A. GFSA
CYRELA BRAZIL REALTY S.A. EMPREEND E PART
CYRE
MRV ENGENHARIA E PARTICIPACOES S.A. MRVE
EVEN CONSTRUTORA E INCORPORADORA S.A.
EVEN
DIRECIONAL DIRR
AZEVEDO & TRAVASSOS S.A. AZEV
MENDES JÚNIOR TRADING E ENGENHARIA S.A.
MEND
Tecnosolo – Engenharia e Tecnologia de Solos e Materiais S.A.
TCNO
Fonte: BM&FBOVESPA
Diversificamos a amostra selecionada entre empresas de dois subsetores
diferentes, visando aumentar a cobertura do estudo realizado e, desta maneira,
32
aumentar o conforto na análise da efetividade da utilização da análise discriminante
como método para análise de risco de empresas. Adicionalmente, selecionamos
empresas com diferentes históricos na BM&FBOVESPA, visando aplicar o modelo a
diferentes realidades financeiras, conforme demonstrado nos Gráficos 1 a 8, a
seguir.
Gráfico 1 – Desempenho GFSA3 (jun. 2010 – jun. 2016).
Fonte: Exame.com (2016a).
33
Gráfico 2 – Desempenho CYRE3 (jun. 2010 – jun. 2016).
Fonte: Exame.com (2016b).
Gráfico 3 – Desempenho MRVE3 (jun. 2010 – jun. 2016).
Fonte: Exame.com (2016c).
34
Gráfico 4 – Desempenho EVEN3 (jun. 2010 – jun. 2016).
Fonte: Exame.com (2016d).
Gráfico 5 – Desempenho DIRR3 (jun. 2010 – jun. 2016).
35
Fonte: Exame.com (2016e).
Gráfico 6 – Desempenho AZEV4 (jun. 2010 – jun. 2016).
Fonte: Exame.com (2016f).
Gráfico 7 – Desempenho MEND5 (jun. 2010 – jun. 2016).
Fonte: Exame.com (2016g).
36
Gráfico 8 – Desempenho TCNO3 (jun. 2010 – jun. 2016).
Fonte: Exame.com (2016h).
3.3 Procedimentos de coleta e de análise de dados
Observando-se os desempenhos descritos nos Gráficos de 1 a 8, é
possível perceber que todas as empresas, com exceção da Azevedo & Travassos
(vide Gráfico 6), cujas ações tiveram alta no ano de 2014, e da Tecnosolo (vide
Gráfico 8), cujo valor das ações encontra-se próximo de zero, apresentaram queda
em seu valor de mercado do ano de 2013 em diante, indicando que uma crise
conjuntural do mercado de construção civil teve início no ano de 2013. Isto fez com
que o setor sofresse os efeitos da crise geral que afetaria o país de maneira mais
relevante a partir do ano de 2014.
Tendo em vista o descrito no último parágrafo, foram obtidos diretamente
do portal da Comissão de Valores Mobiliários (CVM) (BRASIL, 2016), os
demonstrativos financeiros, das empresas selecionadas, contendo os indicadores
financeiros necessários à aplicação do modelo Z. Adicionalmente, realizamos o
37
cálculo do retorno exigido de mercado para as ações das empresas avaliadas,
através do modelo CAPM, visando verificar se as empresas com piores ratings
atribuídos, seriam as que possuiriam o maior retorno exigido.
Realizamos aplicação do modelo CAPM, conforme aspectos definidos por
Assaf Neto, Lima e Araújo (2008), utilizando os títulos do tesouro americano como
ativo livre de risco e, para a análise referente ao ano de 2015, quando a taxa SELIC
era relevantemente superior a remuneração dos T-Bonds, adicionando ao modelo
CAPM o risco país, utilizando a seguinte equação (8):
K = RF + β(Rm – Rr) + αBR (8)
Obtivemos diretamente do portal de consulta do Tesouro Americano as
taxas de juros anuais para os T-Bond’s (2016), com validade de 10 anos, para os
títulos emitidos em dezembro de 2012 e dezembro de 2015, sendo elas de 1,78% e
2,27% respectivamente. As taxas Selic, para os mesmos períodos, foram obtidas do
portal de consulta do Banco Central do Brasil (BCB) (BRASIL, 2016) e seus valores
correspondentes eram de 7,25% e 14,25%, respectivamente.
Para valor referência do prêmio médio de mercado, utilizamos a faixa de
resultados obtida por Gonçalves Júnior et al. (2011), aplicando o valor máximo de
7,30% para o período anterior à crise e o valor mínimo estipulado de 5,38% para a
análise referente ao período de crise. Os Betas das empresas selecionadas em
amostra foram obtidos através da base de dados financeiros Economatica3, com
acesso disponibilizado através da Faculdade de Economia, Administração,
Contabilidade e Gestão de Políticas Públicas da Universidade de Brasília
(FACE/UnB), conforme disposto nas Tabelas 2 e 3, a seguir.
Tabela 2 – Indicadores financeiros
3 Em função de inconsistência da base Economatica os resultados para o Beta da Mendes Júnior
apareciam em branco, desta maneira, utilizamos o beta médio de empresas do setor constante na Economatica.
38
Indicador
Ano
2012 2015
Taxa SELIC 7,25% 14,25%
T-Bond’s 1,78% 2,27%
Prêmio de mercado brasileiro 7,30% 5,38%
Fonte: BCB (2016) e Gonçalves Júnior et al. (2011).
Tabela 3 – Beta por empresa e período.
Empresa
Ano
Beta 2012 Beta 2015
Gafisa 1,24 0,76
Cyrela 0,83 1,1
MRV 1,03 0,86
EVEN 0,51 -0,22
Direcional 1,1 1,47
Azevedo & Travassos -0,09 0,02
Mendes Júnior 0,95 0,88
Tecnosolo 1,04 0,65
Fonte: Economática.
Os Betas obtidos demonstram que as empresas selecionadas obtiveram
diferentes desempenhos de mercado no período avaliado, Azevedo & Travassos em
2012 e EVEN em 2015 apresentaram beta negativo, o que indica que ambas as
empresas tiveram desempenhos opostos ao do mercado nos respectivos períodos.
Outro fator a ser observado é o Beta de 2015 da Direcional, indicando que a
empresa teve desempenho bastante superior ao do mercado no período analisado.
Assim como realizado por Ferreira et al. (2013), utilizou-se dos
indicadores contábeis, das empresas selecionadas em amostra, para aplicação do
modelo Z de Altman, e a definição dos ratings das mesmas, conforme valores
obtidos para seus respectivos Z-scores.
Para a análise em questão, foi utilizado o modelo Z de Altman (2000),
realizando apenas uma modificação no modelo: Para adaptação do mesmo ao
mercado brasileiro, conforme realizado por Altman, Baidya e Dias (1979) e Ferreira
39
et al. (2013), foi considerada para a obtenção da variável X4 o valor contábil do
patrimônio líquido.
Z = 6,56X1 + 3,26X2 + 6,72X3 + 1,05X4 (9)
Onde:
X1 – Capital de giro/ativo total; X2: lucros retidos/ativo total;
X3 – Lucros antes de juros e imposto de renda/ativo total; e
X4 – Valor de mercado do patrimônio líquido/valor contábil do exigível total.
Todos os cálculos para obtenção de resultados, referentes ao Z-scores e aos retornos de mercado exigidos, foram realizados através da ferramenta Microsoft Excel.
40
4 RESULTADOS E DISCUSSÕES
Nesta seção, são apresentadas as análises realizadas quanto à utilização
do modelo Z-score para definição de ratings, para as empresas do setor de
construção civil brasileiro e os retornos exigidos calculados através do modelo
CAPM.
4.1 Resultados obtidos
Com base nos betas obtidos através da base Economatica, conforme
apresentado na sessão acima chegamos aos seguintes resultados esperados de
mercado, para as empresas selecionadas em amostra:
Tabela 4 – Retorno exigido de mercado.
Empresa
Ano
2012 2015
Azevedo & Travassos 6,593% 14,358%
Cyrela 13,309% 20,168%
Direcional 15,28% 22,158%
EVEN 10,973% 13,066%
Gafisa 16,302% 18,339%
Mendes Júnior 14,185% 18,984%
Tecnosolo 14,842% 17,747%
MRV 14,769% 18,877%
Fonte: Do autor.
Corroborando com os betas apresentados existem empresas com
diferentes faixas de retorno exigido de mercado, servindo como indicativo de que
obteremos algumas ocorrências de empresas com ratings iguais, e também alta
variância entre os ratings determinados.
41
Seguindo o apresentado no modelo de Altman (2000), conforme descrito
na sessão acima, realizamos cálculo dos Z-scores das empresas selecionadas para
os anos de 2012 e 2015, conforme demonstram os resultados a seguir.
Tabela 5 – Resultado da variável X1 – Ativo circulante – passivo circulante/ativo total.
Empresa
Ano
2012 2015
Azevedo & Travassos 0,0344 0,0708
MRV 0,2941 0,2150
Cyrela 0,3939 0,0645
Gafisa 0,0751 0,3354
Even 0,6584 0,6640
Direcional 0,5701 0,0655
Mendes Júnior -0,0016 -0,0910
Tecnosolo -0,1418 -0,2807
Fonte: Do autor.
O capital de giro consiste na diferença entre o ativo circulante e o passivo
circulante, desta maneira a variável X1 visa medir a liquidez do ativo total da
empresa, quanto maior for indicador, maior é a capacidade da empresa de cumprir
com suas obrigações, os resultados negativos obtidos pela Mendes Júnior e
Tecnosolo indicam dificuldade das empresas em cumprirem com suas despesas
operacionais, colocando em risco a continuidade das mesmas e afetando os
respectivos ratings.
Tabela 6 – Resultado da variável X2 – Lucros acumulados/ativo total.
Empresa
Ano
2012 2015
Azevedo & Travassos -0,2324 0,0599
MRV 0,1013 0,0649
Cyrela -0,0026 0,3759
Gafisa -0,0352 0,0449
42
Even 0,1798 0,1572
Direcional 0,1314 0,3671
Mendes Júnior 0,0822 0,0722
Tecnosolo -0,0671 0,0107
Fonte: Do autor.
A variável X2 demonstra o retorno acumulado da empresa em relação aos
seus ativos disponíveis. Contrariando o esperado, as empresas Azevedo &
Travassos, Cyrela, Gafisa e Tecnosolo conseguiram reverter os prejuízos
acumulados em 2012, no decorrer da crise, das oito empresas analisadas cinco
obtiveram melhora no indicador, demonstrando uma maior responsabilidade das
mesmas na gestão de seus recursos gerados. A Direcional se destaca na análise,
por reter 36,71% de lucros retidos em relação aos seus ativos, demonstrando alto
nível de desempenho operacional da empresa.
Apesar das melhoras constatadas no indicador X2, há de se ressalvar que
das oito empresas analisadas, cinco sofreram redução em seu ativo no decorrer do
período, contribuindo para a melhora do indicador, mas diminuindo a perspectiva de
crescimento destas empresas nos anos próximos.
Tabela 7 – Resultado da variável X3 – Lucros antes de juros e imposto de renda/ativo total.
Empresa
Ano
2012 2015
Azevedo & Travassos 0,0430 0,0265
MRV 0,0546 0,0483
Cyrela 0,0666 0,0648
Gafisa 0,0021 0,0172
Even 0,0842 0,0262
Direcional 0,0823 0,0634
Mendes Júnior 0,0909 -0,0095
Tecnosolo -0,4382 0,0120
Fonte: Do autor.
43
A variável X3 demonstra a rentabilidade das operações da empresa,
ilustrando o quanto a mesma consegue gerar de lucro com seus ativos. Os
resultados indicam piora de rentabilidade em todas as empresas, com exceção da
Tecnosolo que conseguiu sair de resultado relevantemente negativo, com 43% do
valor total de seu ativo em prejuízo, para um lucro de 1,2%, em função de a maioria
valores estarem bastante próximos de zero esta variável não impacta de maneira
relevante o resultado final dos Z-scores calculados.
Tabela 8 – Resultado da variável X4 – Patrimônio líquido/exigível total.
Empresa
Ano
2012 2015
Azevedo & Travassos 0,2863 0,7551
MRV 0,5823 0,9857
Cyrela 0,6393 3,5374
Gafisa 0,6540 0,8450
Even 0,9169 0,9234
Direcional 0,8270 4,2840
Mendes Júnior 0,6896 0,4360
Tecnosolo 0,0058 0,0726
Fonte: Do autor.
A variável X4 demonstra o quanto do ativo da empresa é financiado pelo
capital próprio, ou seja, de maneira inversa ela demonstra o nível de endividamento
da mesma. Percebe-se ao analisar os resultados que, de maneira geral, houve
melhora nos resultados do indicador, demonstrando que as empresas obtiveram
sucesso ao diminuir sua dependência de capital de terceiros, o que é uma
alternativa mais rentável para as estas no período de crise, em função das altas
taxas de juros. A Mendes Júnior e, principalmente, a Tecnosolo demonstram maior
risco por possuírem maior composição de recursos advindos de terceiros.
Assim como citado no descrito nos resultados do indicador X2, há de
ressalvar que cinco das oito empresas analisadas sofreram redução do seu ativo no
período, fazendo com que os resultados da variável melhorassem, mas fosse
44
reduzida a perspectiva de crescimento destas empresas nos anos próximos. A
Cyrela e a Direcional, que obtiveram os maiores valores para as variáveis, reduziram
seus ativos em 46% e 33% respectivamente.
Conforme os resultados obtidos, atribuiu-se os ratings, seguindo o
disposto na Tabela 2, e avaliou-se a pertinência dos scores obtidos, com o retorno
exigido de mercado, para cada uma das ações. Os resultados da Tabela 5
demonstram os valores correspondentes obtidos para análise anterior à crise,
utilizando as demonstrações financeiras de 2012. E a Tabela 6 traz os valores
referentes ao decorrer da crise, com dados contábeis de 2015.
Tabela 9 – Z-score e rating atribuído – ano 2012.
Empresa Z-Score Rating Atribuído Significado
Azevedo & Travassos 1,80 CCC- Inadimplência próxima
MRV 3,24 CCC+ Inadimplência próxima
Cyrela 3,69 CCC+ Inadimplência próxima
Gafisa 1,08 CCC- Inadimplência próxima
Even 6,43 A- Qualidade média-alta
Direcional 5,59 BB+ Especulativo
Mendes Júnior 1,59 CCC- Inadimplência próxima
Tecnosolo -4,09 D Em concordata/questionável
Fonte: Do autor.
Tabela 10 – Z-score e rating atribuído – ano 2015.
Empresa Z-Score Rating Atribuído Significado
Azevedo & Travassos 1,63 CCC- Inadimplência próxima
MRV 2,98 CCC Inadimplência próxima
Cyrela 5,80 BBB- Qualidade média
Gafisa 3,35 CCC+ Inadimplência próxima
Even 6,01 BBB Qualidade média
Direcional 6,55 A- Qualidade média-alta
Mendes Júnior 0,03 CCC- Inadimplência próxima
Tecnosolo -1,65 D Em concordata/questionável
Fonte: Do autor.
45
Para atribuição dos ratings apresentados nas Tabelas 5 e 6, somente foi
atribuído rating no caso do Z-score correspondente ser maior ou igual ao valor
mínimo equivalente ao mesmo, ou seja, não foi realizado arredondamento. A única
exceção foi para o rating D somente atribuído a empresas que apresentassem Z-
score de zero ou negativo.
Conforme esperado ao analisar os retornos exigidos para as empresas,
através do modelo Capital Asset Pricing Model (CAPM), houveram sete ocorrências
de empresas com ratings coincidentes e grande variância entre ratings,
apresentando a Tecnosolo como empresa muito próxima do processo de
concordata, mesmo com a melhora de Z-score ocorrida no período avaliado, por
outro lado Direcional e Even apresentaram resultados mais positivos, atingindo
qualidade média-alta.
Foi realizada ainda análise da variação dos ratings por empresa, aonde
foi possível verificar que das oito empresas analisadas em amostra três obtiveram
melhora no seu rating, mesmo durante a crise, outras duas sofreram piora no rating,
e três mantiveram a mesma faixa de resultado, sendo uma destas a Tecnosolo, que
já possuía rating D.
Quadro 3 – Variação dos ratings atribuídos – período 2012-2015.
Empresa Rating Atribuído – Ano 2012 Rating Atribuído – Ano 2015
Azevedo & Travassos CCC- CCC-
MRV CCC+ CCC
Cyrela CCC+ BBB-
Gafisa CCC- CCC+
Even A- BBB
Direcional BB+ A-
Mendes Junior CCC- CCC-
Tecnosolo D D
Fonte: Do autor.
46
Por último foi elencada a relação dos ratings atribuídos às empresas em
amostra, com os retornos exigido de mercado calculados.
Quadro 4 – Relação dos ratings atribuídos com os retornos de mercado exigidos – ano 2012.
Empresa Ordenamento por Menor
Retorno Exigido de Mercado Ordenamento por Qualidade
de Rating
Azevedo & Travassos 1º 5º
EVEN 2º 1º
Cyrela 3º 3º
Mendes Júnior 4º 5º
MRV 5º 3º
Tecnosolo 6º 8º
Direcional 7º 2º
Gafisa 8º 5º
Fonte: Do autor.
Quadro 5 – Relação dos ratings atribuídos com os retornos de mercado exigidos – ano 2015.
Empresa Ordenamento por Menor
Retorno Exigido de Mercado Ordenamento por Qualidade
de Rating
EVEN 1º 2º
Azevedo & Travassos 2º 6º
Tecnosolo 3º 8º
Gafisa 4º 4º
MRV 5º 5º
Mendes Júnior 6º 6º
Cyrela 7º 3º
Direcional 8º 1º
Fonte: Do autor.
Empresas com ratings idênticos foram enquadradas dentro do mesmo
ordenamento de qualidade de rating, independentemente das variações nos valores
dos seus respectivos Z-scores. Esta classificação foi realizada buscando preservar a
característica de padronização em grupos da análise discriminante, conforme
descrito por Sanvicente e Minardi (1998).
47
Os resultados apresentados nos Quadros 4 e 5 demonstraram que não há
ligação direta entre os ratings atribuídos, através do modelo Z de Altman (2000), e
as taxas de retorno exigidas pelo mercado, tendo em vista que a maior parte das
empresas selecionadas possuiu retorno exigido de mercado incongruente com o seu
risco, se comparado com as demais empresas do setor de construção civil
analisadas neste estudo.
Se considerada uma faixa aceitável de diferença de um a mais ou a
menos no ordenamento, três empresas obtiveram relação direta entre o retorno
exigido de mercado, e o rating atribuído em 2012. Em 2015 foram quatro empresas
com resultados semelhantes, obtendo assim relação direta de 37,5% e 50%,
respectivamente.
4.2 O modelo Z para definição de ratings de crédito
Os ratings obtidos pelo modelo Z, tanto em 2012 quanto em 2015,
demonstram de maneira quantitativa o alto risco do setor, que já é de conhecimento
dos analistas de investimentos derivados da crise econômica que vem atingindo o
país. Este fato é exposto ao se verificar que dentre os dezesseis ratings atribuídos,
para dois períodos diferentes, nenhum apresentou qualidade alta.
Foi possível verificar, de maneira inesperada, que houve manutenção do
rating médio atribuído ao setor no decorrer da crise, observado o rating médio do
setor que em 2012 era equivalente a CCC, com um Z-score médio de 2,4 e em
2015, o rating médio do setor foi mantido, com Z-score médio de 3,09.
Entretanto, ao analisarmos os Gráficos 1 a 8, é possível verificar que
todas as empresas já vinham perdendo valor de mercado a partir de 2011, com a
exceção feita a Mendes Júnior, que conforme demonstrado no Gráfico 7, possui
variação constante de seu valor de mercado.
Desta forma, a manutenção do rating médio no mercado no período
analisado apenas demonstra que as empresas conseguiram amenizar suas perdas
48
no período, mas ainda possuem perspectiva bastante negativa, afinal o rating CCC,
indica proximidade de inadimplência conforme apresentado na Tabela 1.
A aplicação realizada do modelo também demonstrou que o mesmo é
capaz de detectar e refletir mudanças ocorridas no mercado, ao comparar os ratings
atribuídos no início da crise, com ratings das mesmas empresas, no decorrer desta
crise. Aonde apenas 37,5% das empresas analisadas obtiveram melhora no seu
rating, quando as demais obtiveram piora de rating, ou manutenção de ratings de
qualidade baixa ou média-baixa.
As empresas Azevedo & Travassos, Mendes Júnior e Tecnosolo
mantiveram seus respectivos ratings, tendo as duas primeiras obtido rating CCC- e a
Tecnosolo, empresa com situação mais crítica dentre as avaliadas, obteve rating D,
que indica que a mesma já pode estar inadimplente com fornecedores e na
iminência de entrar no processo de concordata.
Azevedo & Travassos, conforme demonstrado nas Tabelas de 5 a 8,
apresentou melhora relevante nas variáveis X2 e X4, entretanto possui resultados
abaixo da média nas variáveis X1 e X3 que são os indicadores com maior peso na
determinação do Z-score, representando a liquidez do ativo da empresa e a
rentabilidade de suas operações, respectivamente. Desta forma a empresa
apresentou rating CCC- nos dois períodos avaliados, indicando proximidade de
inadimplência e um alto risco da mesma.
A Mendes Júnior, por sua vez, apresentou resultados negativos nas
variáveis X1 e X3, demonstrando que capital de giro da empresa foi negativo em
2015, ou seja, seus ativos circulantes não eram capazes de cobrir os custos dos
passivos circulantes, adicionalmente a empresa vem apresando prejuízos
operacionais constantes.
Adicionalmente, no decorrer da crise houve mutação da suas fontes de
financiamento, fazendo com que o capital próprio que antes representava 40,88% da
fonte de ativos passasse a representar 30,36%, desta forma a empresa ficou muito
49
próxima do rating D, indicando seu alto risco e alta probabilidade de inadimplências
em um futuro próximo.
A Tecnosolo foi a única empresa analisada a apresentar rating D, que
indica que a empresa já está em inadimplente e apresenta iminência de falência. A
empresa mostrou relevante aumento do seu Z-score no período de 2015 em relação
à 2012, aumento este derivado da variável X3 que saiu de resultado relevantemente
negativo, para atingir nível positivo, demonstrando que a empresa conseguiu
reverter os prejuízos operacionais que vinha obtendo e atingir lucro em 2015, o que
também explica a alta das ações da mesma no ano de 2015, demonstrada através
do Gráfico 8.
Entretanto, mesmo com a melhora do resultado para a variável X3, os
resultados críticos nas demais variáveis fizeram com que a empresa obtivesse rating
D nos dois períodos avaliados, demonstrando que apesar dos resultados positivos
recentes, ao analisarmos os indicadores financeiros da Tecnosolo, ela possui grande
potencial de descontinuidade em um futuro próximo.
MRV e Even sofreram piora em seus ratings no período avaliado, a MRV
sofreu variância curta no seu Z-score fazendo com que seu rating variasse de CCC+
para CCC, não alterando, portanto, sua faixa de risco que indica já indicava a
proximidade de inadimplência.
A Even caiu de um rating A- para BBB, saindo do patamar de qualidade
média-alta, que indicava alta capacidade de cumprir suas obrigações, para a faixa
de qualidade média aonde a empresa possui capacidade adequada para cumprir
com suas obrigações. A queda derivou da perda de rentabilidade da empresa,
demonstrada na variável X3, que ocorreu em função de queda de 61,3% em seu
lucro no período de 2012 a 2015, fazendo com que os valores de suas ações
também caísse de maneira relevante, conforme ilustrado no Gráfico 4.
Para as três empresas que obtiveram melhora no rating, foi realizada
análise adicional para verificar se a melhora do diagnóstico de risco das mesmas,
contrariando o mercado que estavam inseridas, possuíam dados que sustentassem
50
o comportamento, ou se derivavam de possíveis distorções do modelo Z de Altman
(2000).
Foi verificado que a Gafisa teve aumento de 21,5% em seu patrimônio
líquido, sem que houvesse aumento proporcional de seu exigível, fazendo com que
a mesma amplie de maneira relevante sua capacidade de cumprimento com suas
obrigações, adicionalmente, conforme análise de profissionais da Fitch Ratings,
relatada por Laranjeira (2015), que atribuíram rating de qualidade média a empresa,
a Gafisa obteve êxito na redução de sua dívida corporativa, demonstrado na variável
X1 pela redução do seu passivo circulante, e podemos dizer que isso não afetou as
operações da empresa que em 2012 apresentava prejuízo, e fechou 2015 com
Lucro Antes de Juros e Imposto de Renda (LAJIR) de R$ 303.975.000.
Já a Direcional teve a expressiva redução de 76% no valor total de sua
dívida, ponderada pela queda no seu LAJIR de 51%, entretanto, a forte redução do
endividamento da empresa, demonstra solidez e propensão a continuidade da
mesma em um futuro de médio-longo prazo, mesmo com a queda em seus
resultados, que derivam muito da atuação da mesma em obra do programa do
governo federal “Minha Casa, Minha Vida”.
Por último, a Cyrela, foi capaz de eliminar os prejuízos acumulados que
trazia em 2012, e conseguiu manter desempenho financeiro, mesmo com a crise,
dentro do esperado para analistas da Standard & Poor’s, em análise realizada em
2014, que também ponderaram as dificuldades que a empresa enfrentará devido ao
contexto do mercado que atua, atribuindo rating em escala global de BB para
empresa e AA- para escala brasileira, conforme relatado por Maia (2014), estando
dentro da faixa obtida através do modelo Z que, em 2015, resultou rating BBB- para
a Cyrela.
Desta forma, podemos concluir que o modelo é capaz de transmitir
através da métrica de ratings, noções reais dos riscos que envolvem as empresas
de capital aberto brasileiro, entretanto, conforme abordado na próxima seção, o
modelo, por si só, não possui a mesma precisão para análise de opções de
investimento.
51
Entretanto, o diagnóstico de risco fornecido, isoladamente, não demonstra
a relação dos retornos que devem ser buscados por investidores para cada um dos
ativos em questão, respeitando a lógica do risco-retorno. Desta maneira, aplicamos
o modelo CAPM, segundo as premissas definidas por Assaf Neto, Lima e Araújo
(2008) para verificar a congruência entre os ratings estabelecidos através do modelo
Z” e o retorno de mercado exigido, demonstrando se a análise discriminante pode
ser aplicada como principal ferramenta para tomada de decisão quanto ao
investimento em um ativo ou em outro. Os resultados foram descritos na sessão 4.3.
4.3 O modelo Z como instrumento para análise de investimentos no mercado brasileiro
Os resultados não demonstraram relação inversamente proporcional entre
os ratings de crédito atribuídos para as empresas em amostra, e os respectivos
retornos de mercados exigidos no início da crise e no decorrer dela, utilizando como
base os anos de 2012 e 2015. Ou seja, seja no período embrionário da crise que
atinge as construtoras brasileiras, ou no decorrer da mesma, as empresas que
apresentaram os melhores ratings de crédito não eram as mesmas que exigiam um
menor retorno sobre investimento.
O resultado demonstra a limitação da análise discriminante, através do
modelo Z, que se restringe a utilização de indicadores contábeis, quando o mercado
utiliza além dos indicadores financeiros contábeis, diversos fatores qualitativos e
outros indicadores financeiros que são externos à empresa analisada, como PIB e
retorno médio de mercado.
Ao se estabelecer um retorno exigido de mercado através do modelo
CAPM, utilizando as premissas definidas por Assaf Neto, Lima e Araújo (2008),
estão implícitas as demais análises do mercado, representadas pelo coeficiente Beta
que demonstra o desempenho daquela ação ponderado pelo mercado.
Adicionalmente, foi possível verificar através dos casos da Tecnosolo e da
Even que o fator primordial para valorização e desvalorização das ações das
52
empresas de construção civil da Bovespa consiste no lucro gerado pelas mesmas. A
Tecnosolo, que está sob acordo judicial para cumprimento de dívida com seus
credores, conseguiu obter forte alta nos resultados durante o período analisado
levando à alta de suas ações. Enquanto a Even, empresa com estrutura de capital
sólida, por ter obtido queda nos seus resultados obteve forte queda do valor de suas
ações.
Esta especulação do valor das empresas segundo seu lucro, afeta
diretamente o coeficiente Beta das mesmas, e gera divergências em relação ao
modelo Z-score, que considera além do lucro ou prejuízo, diversos fatores da
estrutura financeira da empresa visando demonstrar sua capacidade de
continuidade, e não apenas o retorno que vem sendo dado aos acionistas.
Desta maneira, o estudo realizado demonstrou que apesar de ser preciso
como medida de risco, a análise discriminante possui muitas limitações para ser
utilizada, isoladamente, como ferramenta de decisão para alocação de recursos.
As três principais limitações notadas foram, como supracitado, a utilização
apenas de indicadores contábeis sendo desprezados fatores externos das
empresas, a ‘homogeneização’ do resultado, tendo em vista que muitas empresas,
como a Gafisa e Azevedo & Travassos, em 2012, obtiveram Z-score relativamente
distantes, entretanto se classificavam na mesma faixa de rating o que pode serve
como complicador na análise de retorno exigido para tomada de risco destas
empresas. E, por último, o fato de que modelo Z visa demonstrar o risco de
continuidade daquela empresa, ou em outras palavras, sua capacidade de
pagamento, enquanto modelos de remuneração estão focados também no histórico
de geração de lucro das empresas analisadas.
53
5 CONCLUSÕES E RECOMENDAÇÕES
Para este trabalho, foi utilizada a análise discriminante de Altman (2000)
para atribuição de ratings de crédito a empresas do setor de construção civil
brasileiro, que atuam como construtoras. Buscou-se avaliar a efetividade do modelo
Z para atribuição de rating de crédito e a relação dos ratings atribuídos com os
retornos de mercado exigidos para os ativos selecionados.
Corroborando com os resultado obtidos por Ferreira et al. (2013), o
modelo desenvolvido por Altman (2000) se mostrou uma ferramenta válida para
análise de risco do mercado, atingindo rating médio de CCC, que indica o alto risco
do mercado que vem atravessando período de crise.
Também foi constatado que 63,5% das empresas analisadas obtiveram
piora nos seus ratings ou manutenção de ratings de alto risco, no decorrer da crise
demonstrando a capacidade de fornecer diagnóstico de risco do modelo Z” de
Altman (2000), adicionalmente constatamos que as empresas que obtiveram
melhoras em seu rating, de fato, haviam apresentado estrutura de capital mais
sólida, que reduziam seu risco de inadimplência. Desta maneira, não identificamos
inconsistência do modelo quanto à classificação de risco.
Para avaliação da relação dos ratings atribuídos através do modelo Z com
os retornos de mercado exigidos, utilizamos o modelo Capital Asset Pricing Model
(CAPM) conforme as premissas definidas por Assaf Neto, Lima e Araújo (2008),
entretanto não foi possível constatar relação direta entre o rating atribuído e retorno
de mercado exigido para os ativos selecionados.
O retorno exigido de mercado deriva diretamente do desempenho recente
do ativo, representado pelo coeficiente Beta no modelo CAPM, e podemos verificar
que a variável que mais influencia o valor das ações analisadas é o seu lucro
operacional, dando menos importância a outros fatores da composição financeira da
empresa, que influenciam os ratings das mesmas.
54
Adicionalmente, o modelo Z apenas se utiliza de indicadores contábeis,
desconsiderando outros fatores qualitativos e indicadores financeiros externos
utilizados por analistas de mercado que negociam e determinam indiretamente os
preços de ativos mobiliários, fazendo com que o mesmo não seja capaz de,
isoladamente, refletir os retornos exigidos do mercado, ou ser aplicado como o único
fator para tomada de decisão quanto a um investimento.
Também foi possível verificar através do estudo, que apesar da crítica
situação do setor de construção civil brasileiro, existem empresas que tem
conseguido reduzir seus níveis de riscos e podem ser utilizadas como modelo pelas
concorrentes do setor para obtenção de uma maior solidez no decorrer da crise.
Como principal limitação do estudo consiste o fato de que o mesmo é
caracterizado como um estudo de caso múltiplo, sendo desta maneira a validade do
modelo de Altman (2000) para análise de risco de empresas, e a ausência de
relação relevante direta dos ratings atribuídos com os retornos de mercado exigidos
aplicável somente para as empresas de construção civil que atuam como
construtoras, no período avaliado.
Uma segunda limitação foi o estudo de precisão de um modelo
desenvolvido e aplicado para ativos de diferentes mercados, sendo aplicado à uma
amostra de empresas de apenas um setor, sem que houvesse definido um nível de
significância do Z-scores calculados definidos na literatura posterior aplicável às
empresas de construção civil do mercado brasileiro.
Há de se ressaltar que esta pesquisa analisou um importante segmento
econômico para o país, contribuindo através de interpretações fáticas para análise
de empresas do ramo de construção civil que atuam como construtoras.
Por fim, conclui-se que o modelo desenvolvido por Altman (2000) é sim
uma ferramenta válida para análise de risco de empresas, entretanto, de maneira
isolada, não pode ser utilizado para tomada de decisão favorável ou contrária a um
determinado investimento.
55
REFERÊNCIAS
ALCÂNTARA, J. C. G. O modelo de avaliação de ativos (capital asset pricing model) –aplicações. RAE – Revista de Administração de Empresas, Rio de Janeiro, v. 20, n. 3, p. 31-41, jul./set. 1980. Disponível em: <http://www.scielo.br/pdf/rae/v20n3/v20n3a03.pdf>. Acesso em: 18 out. 2016.
ALTMAN, E. I. Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, v. 23, n. 4, p. 589-609, 1968.
_____. Predicting financial distress of companies: revisiting the z-score and zeta models. Jul. 2000. Disponível em: <https://www.iiiglobal.org/sites/default/files/3predictingfinancialdistress.pdf>. Acesso em: 18 out. 2016.
_____; BAIDYA, T. K. N.; DIAS, L. M. R. Previsão de problemas financeiros em empresas. RAE – Revista de Administração de Empresas, Rio de Janeiro, v. 19, n. 1, p. 17- 28, jan./mar. 1979. Disponível em: <http://www.scielo.br/pdf/rae/v19n1/v19n1a02.pdf>. Acesso em: 18 out. 2016.
AMORIM, L. Construção civil vive crise sem precedentes no Brasil. In: Exame.com, São Paulo, 16 de julho de 2015. Disponível em: <http://exame.abril.com.br/revista-exame/a-crise-e-a-crise-da-construcao/>. Acesso em: 18 out. 2016.
ASSAF NETO, A.; LIMA, F. G. Curso de Administração Financeira. 1. ed. São Paulo: Atlas, 2009.
_____; _____; ARAÚJO, A. M. P. Uma proposta metodológica para o cálculo do custo de capital no Brasil. Revista de Administração, São Paulo, v. 43, n. 1, p. 72-83, jan./fev./mar. 2008.
_____; SILVA, C. A. T. Administração do capital de giro. 4. ed. São Paulo: Atlas, 2012.
BANCO CENTRAL DO BRASIL – BCB. Histórico das taxas de juros: Histórico das taxas de juros fixadas pelo Copom e evolução da taxa Selic. Brasília, 2016. Disponível em: <https://www.bcb.gov.br/Pec/Copom/Port/taxaSelic.asp>. Acesso em: 18 out. 2016.
BOLSA DE VALORES DE SÃO PAULO – BM&FBOVESPA. Disponível em: <http://www.bmfbovespa.com.br/pt_br/index.htm>. Acesso em: 18 out. 2016.
BRASIL. Comissão de Valores Mobiliários. Disponível em: <http://www.cvm.gov.br/>. Acesso em: 18 out. 2016.
CHAIA, A. J. Modelos de gestão do risco de crédito e sua aplicabilidade ao mercado brasileiro. 2003. Dissertação (Mestrado em Administração) – Universidade de São Paulo, Faculdade de Economia, Administração e Contabilidade, Departamento de Administração, São Paulo.
56
DUARTE, H. C. F.; LAMOUNIER, W. M. Análise financeira de empresas da construção civil por comparação com índices-padrão. Enfoque: Reflexão Contábil, v. 26, n. 2, p. 9-28, maio/ago. 2007. Disponível em: <http://www.dcc.uem.br/enfoque/new/enfoque/data/1216127297.pdf>. Acesso em: 18 out. 2016.
ELIZABETSKY, R. Um modelo matemático para decisões de crédito no banco comercial. 1976. Dissertação (Mestrado em Engenharia da Produção) – Escola Politécnica da Universidade de São Paulo, São Paulo.
FERREIRA, R. S.; CARMO, C. R. S.; MARTINS, V. F.; SOARES, A. B. Análise discriminante e ratings: uma aplicação do modelo Z" score de Altman às empresas do setor aeroviário brasileiro, de 2005 a 2010. Revista Alcance – Eletrônica, v. 20, n. 3, 325-44, jul./set. 2013.
GIL, A. C. Como elaborar projetos de pesquisa. São Paulo: Atlas, 2002.
GONÇALVES JUNIOR, W.; ROCHMAN, R. R.; EID JUNIOR, W.; CHALELA, L. R. Estimando o prêmio de mercado brasileiro. RAC – Revista de Administração Contemporânea, Curitiba, v. 15, n. 5, p. 931-955, set./out. 2011. Disponível em: <http://www.scielo.br/pdf/rac/v15n5/a09v15n5.pdf>. Acesso em: 18 out. 2016.
EXAME.COM. Brasil fecha 2014 com déficit primário de R$32,536 bilhões. 30 de janeiro de 2015. Disponível em: <http://exame.abril.com.br/economia/brasil-fecha-2014-com-deficit-primario-de-r-32-536-bilhoes/>. Acesso em: 29 set. 2016.
_____. Gráfico interativo da ação GFSA3. 2016a. Disponível em: <http://exame.abril.com.br/mercados/cotacoes-bovespa/acoes/GFSA3/grafico>. Acesso em: 29 jun. 2016.
_____. Gráfico interativo da ação CYRE3. 2016b. Disponível em: <http://exame.abril.com.br/mercados/cotacoes-bovespa/acoes/CYRE3/grafico>. Acesso em: 29 jun. 2016.
_____. Gráfico interativo da ação MRVE3. 2016c. Disponível em: <http://exame.abril.com.br/mercados/cotacoes-bovespa/acoes/MRVE3/grafico>. Acesso em: 29 jun. 2016.
_____. Gráfico interativo da ação EVEN3. 2016d. Disponível em: <http://exame.abril.com.br/mercados/cotacoes-bovespa/acoes/EVEN3/grafico>. Acesso em: 29 jun. 2016.
_____. Gráfico interativo da ação DIRR3. 2016e. Disponível em: <http://exame.abril.com.br/mercados/cotacoes-bovespa/acoes/DIRR3/grafico>. Acesso em: 29 jun. 2016.
_____. Gráfico interativo da ação AZEV4. 2016f. Disponível em: <http://exame.abril.com.br/mercados/cotacoes-bovespa/acoes/AZEV4/grafico>. Acesso em: 29 jun. 2016.
57
_____. Gráfico interativo da ação MEND5. 2016g. Disponível em: <http://exame.abril.com.br/mercados/cotacoes-bovespa/acoes/MEND5/grafico>. Acesso em: 29 jun. 2016.
_____. Gráfico interativo da ação MEND5. TCNO3. 2016h. Disponível em: <http://exame.abril.com.br/mercados/cotacoes-bovespa/acoes/TCNO3/grafico>. Acesso em: 29 jun. 2016.
KANITZ, S. C. Como prever falências. São Paulo: McGraw Hill, 1978.
LARANJEIRA, F. Fitch afirma ratings ‘BBB(bra)’ da Gafisa e da Tenda. In: O Diário.com, 14 de abril de 2015. Disponível em: <http://maringa.odiario.com/economia/2015/04/fitch-afirma-ratings-bbbbra-da-gafisa-e-da-tenda/1383639/>. Acesso em: 27 out. 2016.
LINTNER, J. The valuation of risk assets and the selection of risky investments in stock portfolio and capital budgets. The Review of Economics and Statistics, v. 47, n. 1, p. 13-37, fev. 1965.
MAIA, C. S&P corta perspectiva de rating nacional da Cyrela para “estável”. In: Valor Econômico, 02 de dezembro de 2014. Disponível em: <http://www.valor.com.br/empresas/3801930/sp-corta-perspectiva-de-rating-nacional-da-cyrela-para-estavel>. Acesso em: 27 out. 2016.
MANTOVANINI, J. C. L. Análise discriminante como instrumento para a concessão de crédito. 1990. Dissertação (Mestrado em Administração) – Fundação Getúlio Vargas, Escola de Administração de Empresas de São Paulo, São Paulo. Disponível em: <http://bibliotecadigital.fgv.br/dspace/bitstream/handle/10438/4804/1199100822.pdf?sequence=1&isAllowed=y>. Acesso em: 18 out. 2016.
MOSSIN, J. Equilibrium in a capital asset market. Econometrica, v. 34, n. 4, p. 768-783, out. 1966. Disponível em: <http://efinance.org.cn/cn/fm/Equilibrium%20in%20a%20Capital%20Asset%20Market.pdf>. Acesso em: 18 out. 2016.
PATU, G.; CUCOLO, E. Recessão econômica atual deve ser a pior da história do Brasil. In: Folha de São Paulo, Brasília, 12 de março de 2016. Disponível em: <http://www1.folha.uol.com.br/mercado/2016/03/1749299-recessao-economica-atual-deve-ser-a-pior-da-historia-do-brasil.shtml>. Acesso em: 18 out. 2016.
SANVICENTE, A. Z.; MINARDI, A. M. A. F. Identificação de indicadores contábeis significativos para a previsão de concordata de empresas. In: Instituto Brasileiro de Mercado de Capitais, Working Paper, 1998. Disponível em: <http://www.cyta.com.ar/elearn/tc/marterial/altaman5.pdf>. Acesso em: 18 out. 2016.
SHARPE, W. F. Capital asset prices: a theory of market equilibrium under conditions of risk. The Journal of Finance, v. 19, n. 3, p. 425-42, set. 1964. Disponível em: <http://efinance.org.cn/cn/fm/Capital%20Asset%20Prices%20A%20Theory%20of%20Market%20Equilibrium%20under%20Conditions%20of%20Risk.pdf>. Acesso em: 18 out. 2016.
58
SILVA, M. A. V. R. Alguns problemas para a estimação do custo de capital próprio no mercado acionário brasileiro. S. d. Disponível em: <http://epge.fgv.br/we/Graduacao/AvaliacaoDeEmpresas/2007?action=AttachFile&do=get&target=custodecapitalnobrasil.pdf>. Acesso em: 18 out. 2016.
TEIXEIRA, L. P.; CARVALHO, F. M. A. A construção civil como instrumento do desenvolvimento da economia brasileira. Revista Paranaense de Desenvolvimento, Curitiba, n. 109, p. 9-26, jul./dez. 2005. Disponível em: <http://www.ipardes.pr.gov.br/ojs/index.php/revistaparanaense/article/view/138/128>. Acesso em: 18 out. 2016.